# опенсорс яндекса Published articles for опенсорс яндекса. This is one page of public article previews, not the complete archive. Follow Next page to continue. Summaries are not the original full articles. ## Открываем претрейн Alice AI Search: как устроена модель быстрых ответов Алисы на Поиске DevFeed: [Открываем претрейн Alice AI Search: как устроена модель быстрых ответов Алисы на Поиске]() Original publisher: [Read original article]() Author: pet67 (Яндекс) Published: 2026-09-11T06:05:13Z Content type: article Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [Artificial Intelligence](), [AI search](), [Transformers](), [Mixture of Experts (MoE)](), [Large Language Model](), [hugging face]() Tags: [agentic](), [ai](), [ai-search](), [alice-ai](), [hugging-face](), [llm](), [ml](), [moe](), [rl](), [tag-178bc8f01f24](), [tag-4004cf5948d3](), [tag-61cd5a476b1d](), [tag-d89cae10e887](), [tag-e6d9cc1f0757](), [transformers]() ### AI overview This developer article explains the Alice AI Search pipeline for generating fast answers, including its search and context-processing stages, shorter information contexts, a sparse Mixture-of-Experts architecture combined with an Encoder-Decoder, and online reinforcement learning from user behavior signals. It also announces the open release of the Alice AI-T5-35B-A0.6B Base model, with external inference available through Hugging Face Transformers while optimized production inference remains internal to Yandex. ### Source excerpt Быстрый ответ Алисы AI -- это самый массовый генеративный продукт Яндекса и первое соприкосновение с Алисой для пользователей Поиска. Даже в час пиковой нагрузки пользователь должен получить лаконичный ответ за считаные секунды. Для этого мы, команда Alice AI Search, адаптируем весь пайплайн быстрых ответов -- от собственного претрейна с кастомной архитектурой до онлайн-rl-обучения на поведенческие сигналы пользователей. В статье разберём, как устроен генеративный ответ в Поиске, и расскажем про основные улучшения июньского релиза: как мы ускорили ответы за счёт коротких инфоконтекстов, зачем совместили Encoder-Decoder с разреженной MoE-архитектурой и как обучение на реальных пользовательских сигналах повлияло на качество и использование продукта. Кроме того, мы выложили в открытый доступ обученную с нуля модель Alice AI-T5-35B-A0.6B Base с тем ограничением, что внешним пользователям доступен инференс через Hugging Face Transformers, а оптимизированный production-инференс пока доступен только внутри Яндекса. Читать далее ## How Yandex Cloud built and open-sourced Farm for preview environments DevFeed: [How Yandex Cloud built and open-sourced Farm for preview environments]() Original publisher: [Read original article]() Author: DakEnviy0 (Яндекс, Yandex Cloud & Yandex Infrastructure) Published: 2026-07-30T07:29:36Z Content type: article Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [Docker](), [Kubernetes](), [Self-hosted](), [Development](), [Node.js]() Tags: [dev](), [docker](), [farm](), [frontend](), [js](), [kubernetes](), [node](), [node-js](), [preview](), [preview-87a227230297](), [self-hosted](), [tag-4004cf5948d3](), [tag-92292b2c626f](), [tag-e6d9cc1f0757]() ### AI overview The article describes how Yandex Cloud developed Farm, a service that creates preview environments for pull requests. It traces the system's evolution from a self-hosted script on one virtual machine to an orchestrator using Docker and Kubernetes, and explains the motivation for open-sourcing it. ### Source excerpt Каждый пул-реквест хочется не просто проверить тестами, а показать вживую -- дизайнеру, менеджеру, соседней команде, чтобы все они смогли потыкаться в UI -- порадоваться, понаходить баги -- порасстраиваться. Казалось бы, что сложного: поднял окружение и дал ссылку. Но когда пул-реквесты сыпятся десятками в день, а команд целое множество, "просто поднять окружение" превращается в отдельный инфраструктурный проект. Привет, Хабр! Меня зовут Михаил Гольбах, я ведущий разработчик интерфейсов Yandex Cloud. Уже несколько лет мы с командой развиваем Ферму -- сервис, который поднимает preview-окружение под каждый пулл-реквест. В этой статье расскажу, как Ферма выросла из простого self-hosted-скрипта на одной виртуальной машине в оркестратор на Docker и Kubernetes и почему в итоге мы открыли её код. Читать далее ## Опенсорсим YaGS Plugin: открытый плагин для работы с 3DGS внутри Unreal Engine DevFeed: [Опенсорсим YaGS Plugin: открытый плагин для работы с 3DGS внутри Unreal Engine]() Original publisher: [Read original article]() Author: s\_eliseev (Яндекс) Published: 2026-07-02T07:02:10Z Content type: article Language: ru Sources: [Яндекс - Как мы делаем Яндекс / Статьи]() Topics: [3D](), [Unreal Engine]() Tags: [3d](), [3dgs](), [gaussian](), [gaussian-splatting](), [plugin](), [tag-831b63de9433](), [tag-9e9e5e80d07a](), [tag-e6d9cc1f0757](), [unreal-engine]() ### AI overview The article explains how Gaussian Splatting can create photorealistic 3D representations from photographs for film production, city digital twins, and autonomous-transport simulation. It introduces YaGS Plugin, an open-source plugin that integrates Gaussian Splatting scenes into Unreal Engine, and describes the underlying 3DGS representation and reconstruction process. ### Source excerpt Представьте, что вам нужна фотореалистичная 3D-копия реального объекта или сцены: например, лица актёра для крупного плана или целой городской улицы. Сегодня для этого есть два инструмента: классическое 3D-моделирование и фотограмметрия. Однако они съедают недели работы и ломаются там, где очень важны детали, -- волосы, хром, стекло, отражения превращаются в артефакты. А на то, чтобы снять реалистичную сцену или объект так, чтобы это масштабировалось на тысячи единиц, обычно уходит слишком много времени и денег. Выход из этого тупика для целого ряда задач мы нашли в Gaussian Splatting и прогнали технологию через несколько очень разных проектов: сканирование людей и локаций для кино (например, для "Кибердеревни"), создание цифровых двойников городских кварталов и симуляцию для автономного транспорта. Инструмент один -- задачи разные. И именно на этом контрасте и родилось самое интересное. Сегодня я расскажу, как риг из 15 камер заменяет установку за сотни тысяч долларов и зачем мы используем движущегося человека как калибровочную доску. Объясню, почему для беспилотного автомобиля фотореализм обязан рождаться из данных, а не из 3D-редактора. Ну и, конечно же, расскажу про YaGS Plugin -- наш опенсорс-плагин, который делает Gaussian Splatting полноценной частью сцены в Unreal Engine. Читать далее